配网作业视频智能监控方法及系统与流程

本发明涉及视频监控系统技术领域，尤其涉及配网作业视频智能监控方法及系统。

背景技术：

传统的视频监控系统功能相对较为简单，通过摄像头对作业现场进行监控并采集作业现场的视频信息，如果需要甄别作业现场的异常情况，需要大量的工作人员进行人工识别，准确率难以保证并且效率低，目前电网系统中尚未实现配网作业视频监控智能识别，各级公司建立的视频监控系统，主要依靠人工手段进行现场作业风险判别，视频监控采集的现场画面包含多专业、多工种的作业人员，信息复杂多变，仅依靠人工远程判断难以全面而准确的判定违规作业情况，现场异常情况一般都是进行事后处理，对因违章作业引发的重大人身安全责任事故无法做到提前预防。

技术实现要素：

鉴于此，本发明的目的在于提供配网作业视频智能监控方法，以克服或至少部分解决现有技术所存在的上述问题。

本发明第一方面提供一种配网作业视频智能监控方法，包括以下步骤：

s1、获取生产信息管理系统中次日的生产任务信息，所述生产任务信息包括任务名称、工作负责人信息和工作票；

s2、对工作票进行识别，获取安全工器具需求信息、作业任务内容、安全措施信息；

s3、根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析；

s4、根据作业任务内容获取相应的现场作业监控视频数据，对监控视频数据进行识别比对分析，基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。

可选的，所述步骤s3具体包括以下步骤：

s31、对待领用安全工器具的工作负责人进行人脸识别，基于人脸识别结果匹配对应的工作负责人信息；

s32、根据工作负责人信息获取生产任务信息，并获取与生产任务信息关联的工作票，基于工作票获取对应的安全工器具需求信息；

s33、对比工作负责人实际领用的安全工器具信息和安全工器具需求信息，若不匹配则向工作负责人发出提示信息。可选的，

可选的，所述根据作业任务内容获取相应的现场作业监控视频数据，具体包括：

s41、获取作业任务内容中的作业任务地点信息，查询部署于作业任务地点的视频监控设备；

s42、建立与查询到的视频监控设备的通讯连接，并获取现场作业监控视频数据，建立现场作业监控视频数据与生产任务信息的关联关系。

可选的，所述对监控视频数据进行识别比对分析，基于作业任务内容和安全措施信息识别现场作业安全措施是否到位，具体包括：

s43、根据安全措施信息所包含的防护用品信息确定检测目标；

s44、基于预设图像识别算法对监控视频数据的每帧图像进行识别，判断图像中是否包含检测目标，若未包含全部检测目标，则向相应的工作负责人发出提示信息；

s45、基于预设图像识别算法对监控视频数据的每帧图像进行识别，结合作业任务内容对接地线安装进行检查。

可选的，所述步骤s45具体包括以下步骤：

s451、根据作业任务内容获取接地线安装位置信息；

s452、获取线路信息和杆塔信息作为辅助信息；

s453、基于接地线安装位置信息和辅助信息对图像中的接地线进行识别，判断接地线安装位置和顺序是否正确。

可选的，所述步骤s42中，建立现场作业监控视频数据与生产任务信息的关联关系后具体还包括以下步骤：

s421、根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记；

s422、将现场作业监控视频数据和生产任务信息添加到区块中并上链；

s423、识别节点下载区块链并根据识别任务标记解析特定区块，获取现场作业监控视频数据和生产任务信息，对监控视频数据进行识别比对分析，将识别结果和被解析区块信息写入新区块并上链。

可选的，在识别节点下载区块链前，具体还包括步骤：

s4231、获取包含负载状态信息的配电通信网络历史镜像数据，所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态；

s4232、基于配电通信网络历史镜像数据，分析配电通信网络中的每台计算机设备的负载影响因素；

s4233、建立深度学习模型，将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练，获得负载状态预测训练结果，根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化；

s4234、获取实时配电通信网络镜像数据并输入深度学习模型，获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息；

s4235、根据负载状态预测信息对计算机设备进行筛选，在筛选后的计算机设备中建立识别节点。

进一步的，所述在筛选后的计算机设备中建立识别节点，具体包括：获取筛选后的计算机设备的配置信息，根据配置信息向相应的计算机设备部署不同的识别分析模块，不同的识别分析模块预设不同的图像识别算法。

本发明第二方面提供一种配网作业视频智能监控系统，所述系统包括：

获取模块，用于获取生产信息管理系统中次日的生产任务信息，所述生产任务信息包括任务名称、工作负责人信息和工作票；

识别模块，用于对工作票进行识别，获取安全工器具需求信息、作业任务内容、安全措施信息；

第一识别模块，用于根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析；

第二识别模块，用于根据作业任务内容获取相应的现场作业监控视频数据，对监控视频数据进行识别比对分析，基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。

与现有技术相比，本发明的有益效果是：

本发明所提供的一种配网作业视频智能监控方法及系统，通过获取生产信息管理系统中的生产任务信息，实现作业文件的规范化和数字化管控，基于生产任务信息与现场作业监控视频数据关联，通过智能化手段对监控视频数据进行识别比对分析，能够实现作业现场的风险可视、实时预警，辅助安全监察人员进行及时的风险干预，强化工作票要求的安全措施，防范各类安全风险，保障电网安全稳定运行。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种配网作业视频智能监控方法整体流程示意图。

图2是本发明另一实施例提供的一种配网作业视频智能监控系统整体流程示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。

参照图1，本实施例提供一种配网作业视频智能监控方法，所述方法包括以下步骤：

s1、获取生产信息管理系统中次日的生产任务信息，所述生产任务信息包括任务名称、工作负责人信息和工作票。

s2、对工作票进行识别，获取安全工器具需求信息、作业任务内容、安全措施信息。

示例性地，所述对工作票进行识别可以是通过ocr技术对工作票的文字内容进行提取和识别。所述安全工器具需求信息用于描述完成生产任务所需要的安全工器具；所述作业任务内容用于描述工作任务，例如更换35kv龙美变电站10kvii线#08杆一组避雷器；所述安全措施信息用于描述工作要求的必需安全措施，例如应拉断的隔离开关和断路器、应合的接地刀闸、应挂的标识牌和应设的遮拦物，以及其他安全措施。

s3、根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析。若是识别比对工作负责人所领用的物资与安全工器具需求信息不匹配，则向相应的工作负责人进行告警提示。

s4、根据作业任务内容获取相应的现场作业监控视频数据，对监控视频数据进行识别比对分析，基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。若识别比对现场作业安全措施不到位，则向相应的工作负责人进行告警提示。

本实施例所提供的一种配网作业视频智能监控方法，通过获取生产信息管理系统中的生产任务信息，实现作业文件的规范化和数字化管控，基于生产任务信息与现场作业监控视频数据关联，通过智能化手段对监控视频数据进行识别比对分析，能够实现作业现场的风险可视、实时预警，辅助安全监察人员进行及时的风险干预，强化工作票要求的安全措施，防范各类安全风险，保障电网安全稳定运行。

作为本实施例的一种可选实施方式，所述步骤s3具体包括以下步骤：

s31、对待领用安全工器具的工作负责人进行人脸识别，基于人脸识别结果匹配对应的工作负责人信息。

s32、根据工作负责人信息获取生产任务信息，并获取与生产任务信息关联的工作票，基于工作票获取对应的安全工器具需求信息。

s33、对比工作负责人实际领用的安全工器具信息和安全工器具需求信息，若不匹配则向工作负责人发出提示信息。

示例性地，对待领用安全工器具的工作负责人进行人脸识别可以是在安全工器具房门口处设置人脸采集摄像头采集工作负责人的脸部图像数据，并对脸部图像数据进行识别。在工作负责人领用安全工器具时，对比工作负责人实际领用的安全工器具种类和数量与工作票要求的安全工器具种类和数量是否存在出入，若发现实际领用的安全工器具种类或数量没有达到工作票要求，则对工作负责人发出提示信息，例如向其发送短信提示，确保电力工作安全规范要求的落实，降低事故发生概率。

作为本实施例的一种可选实施方式，步骤s4中，所述根据作业任务内容获取相应的现场作业监控视频数据，具体包括：

s41、获取作业任务内容中的作业任务地点信息，查询部署于作业任务地点的视频监控设备。

示例性地，在获取作业任务内容中的作业任务地点信息后，还获取作业任务内容中的作业时间信息，在到达作业起始时间时查询部署于作业任务地点的视频监控设备。部署于作业任务地点的视频监控设备可以是固定架设的视频监控设备，也可以是作业人员手持式或可移动的视频采集设备。

另一方面，若在到达作业起始时间时，无法查询到任何部署于作业任务地点的视频监控设备，则向工作负责人发出信息提示，要求其部署手持式或可移动的视频采集设备。

s42、建立与查询到的视频监控设备的通讯连接，并获取现场作业监控视频数据，建立现场作业监控视频数据与生产任务信息的关联关系。

示例性地，建立与查询到的视频监控设备的通讯连接，可以是向架设于作业任务地点的固定式视频监控设备所属的视频监控系统发起获取该视频监控设备自作业起始时间起的监控视频数据的请求；也可以是接收作业人员手持式或可移动的视频采集设备主动上传的现场作业监控视频数据。所述建立现场作业监控视频数据与生产任务信息的关联关系，可以是建立现场作业监控视频数据的唯一识别编号与生产任务信息的唯一识别标识信息的映射关系。

上述实施例中，通过将作业任务与现场监控视频相关联，能够达到在对作业任务信息化管理的基础上快速查询相应的现场监控视频的技术效果，为安全纠察、作业回顾等提供全方位的实景信息支持。

作为本实施例的一种可选实施方式，步骤s4中，所述对监控视频数据进行识别比对分析，基于作业任务内容和安全措施信息识别现场作业安全措施是否到位，具体包括：

s43、根据安全措施信息所包含的防护用品信息确定检测目标。

示例性地，所述防护用品包括个人防护用品和施工防护用品，个人防护用品可以是安全帽、绝缘鞋、防护手套、防护眼镜、安全绳等；施工防护用品可以是防护栏、灭火器材、警示牌等。本步骤根据安全措施信息所要求配备的防护用品信息确定检测目标，以便后续步骤中以所要求配备的防护用品信息为目标对现场作业监控视频进行逐帧分析。

s44、基于预设图像识别算法对监控视频数据的每帧图像进行识别，判断图像中是否包含检测目标，若未包含全部检测目标，则向相应的工作负责人发出提示信息。

本实施例中，若判断现场作业监控视频中未识别到全部检测目标，说明作业人员未携带全部必需的防护用品，未采取必需的安全措施，则可以通过短信提示、语音信息的方式对相应的工作负责人发出提示信息，从而达到自动识别作业过程是否采取必要安全措施、实时预警的技术效果，提高作业过程安全性。

s45、基于预设图像识别算法对监控视频数据的每帧图像进行识别，结合作业任务内容对接地线安装进行检查。

具体的，所述步骤s45具体通过以下步骤实现：

s451、根据作业任务内容获取接地线安装位置信息。

s452、获取线路信息和杆塔信息作为辅助信息。

s453、基于接地线安装位置信息和辅助信息对图像中的接地线进行识别，判断接地线安装位置和顺序是否正确。

示例性地，为了降低人身触电事故的发生概率，电力工作要求落实“停电、验电、接地”的技术措施，但目前对电力作业过程中的接地线检查通常是现场人工检查，现有技术中缺少远程检查接地线的技术手段，导致上述技术措施的落实无法保证。本实施例中，根据工作票中的作业任务内容获取接地线的安装位置，获取线路信息和杆塔信息作为辅助信息对接地进行定位，例如可通过调度ems、gis系统获取线路信息和杆塔信息，基于上述信息结合视频分析技术对现场作业监控视频图像中的接地线进行识别，判断接地线安装位置和顺序是否正确，从而达到通过视频监控结合定位实现接地线的远程检查的技术效果。

在配网作业视频的智能识别中涉及到目标检测、物体识别、行为识别等多种算法，在将各种算法运用到大量的视频图像识别中时，由于现场环境复杂多变，单一设备集成多种算法进行检测时，在复杂的背景中识别准确率并不高，并且识别效率也较低。为了解决该问题，作为本实施例的一种可选实施方式，所述步骤s42中，建立现场作业监控视频数据与生产任务信息的关联关系后具体还包括以下步骤：

s421、根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记。

示例性地，所述识别任务标记用于标记需要对该段现场作业监控视频数据进行的识别任务，一段现场作业监控视频数据根据相应的生产任务信息至少有一个识别任务标记。例如，当生产任务信息中包含必需防护用品、接地线作业时，需要对相关联的现场作业监控视频数据进行目标检测和物体识别，即对该段现场作业监控视频数据添加相应的识别任务标记。

s422、将现场作业监控视频数据和生产任务信息添加到区块中并上链。

该步骤中，将待识别比对分析的现场作业监控视频数据和相关联的生产任务信息添加到区块中，并将区块上传到区块链，利用区块链数据基本无法篡改、可追溯的特点，可以有效对数据进行保存、共享和追溯，防止数据造假。

s423、识别节点下载区块链并根据识别任务标记解析特定区块，获取现场作业监控视频数据和生产任务信息，对监控视频数据进行识别比对分析，将识别结果和被解析区块信息写入新区块并上链。

示例性地，所述识别节点为同处于配电通信网络中的计算机设备，每个识别节点用于实现不同的预设图像识别算法。识别节点下载区块链后，根据自身可以进行的识别任务查询带有相应识别任务标记的特定区块，对区块进行解析获取现场作业监控视频数据和生产任务信息，对监控视频数据进行识别比对分析，进而根据识别比对分析结果决定是否需要向工作负责人发出提示信息。完成识别比对分析后，识别节点将识别结果和被解析区块信息写入新的区块并上传到区块链，其他识别节点可以根据被解析区块信息跳过已完成识别的现场作业监控视频数据，上链的识别结果可以方便地在网络中的不同节点间进行共享。本实施例中通过多个识别节点分别处理不同识别任务标记的现场作业监控视频数据，一方面能够通过单一算法对监控视频数据进行识别，从而在复杂背景下提高识别准确率，另一方面能够达到提高识别效率的技术效果。

配电通信网络中的各台计算机设备通常都会有自身的工作任务需要占用计算资源进行处理，在不同时期各台计算机设备的负载状态不尽相同，配网作业视频智能监控不能影响到识别节点处理原有工作任务，同时需要尽可能地利用负载状态较低的识别节点，因此需要更准确地预测作为识别节点的各台计算机设备在未来一定时间内的负载状态，以实现灵活调度，为了解决该问题，作为本实施例进一步可选的实施方式，在识别节点下载区块链前，具体还包括步骤：

s4231、获取包含负载状态信息的配电通信网络历史镜像数据，所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态。

示例性地，所述配电通信网络历史镜像数据可以包括上传流量、下载流量、发送节点、接收节点、传输中的数据包信息等。计算机设备的负载状态用于衡量当前计算机设备的计算资源被占用程度。

s4232、基于配电通信网络历史镜像数据，分析配电通信网络中的每台计算机设备的负载影响因素。

示例性地，所述负载影响因素为能够影响到计算机设备负载状态的特征因素，例如在计算机设备接收到某个特定发送节点定期发送的数据包后，该计算机设备的负载状态总是由低变高，或是计算机设备每次向某个特定接收节点发送数据后，该计算机设备的负载状态总是由高变低，此时特定发送节点定期发送数据包、计算机设备向特定接收节点发送数据这些行为便成为能够影响计算机设备负载状态的负载影响因素，分析负载影响因素可以采用显著性检验方法进行分析。

s4233、建立深度学习模型，将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练，获得负载状态预测训练结果，根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化。

该步骤中，深度学习模型根据配电通信网络历史镜像数据中的负载影响因素对不同计算机设备一定时间内的负载状态进行预测。通过多次迭代训练，使得深度学习模型的预测的训练结果越来越接近计算机设备的实际负载状态信息，以便于后续步骤中通过深度学习模型来预测不同计算机设备在未来一定时间内的准确负载状态。

s4234、获取实时配电通信网络镜像数据并输入深度学习模型，获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息。

s4235、根据负载状态预测信息对计算机设备进行筛选，在筛选后的计算机设备中建立识别节点。

示例性地，本实施例中通过分析配电通信网络中的每台计算机设备的负载影响因素，结合配电通信网络历史镜像数据对深度学习模型进行训练，在需要对现场作业监控视频进行识别比对分析时，能够将当前配电通信网络镜像数据输入到深度学习模型中，来预测不同计算机设备未来一定时间内的负载状态，筛选出未来一定时间内负载状态均低于预设阈值的计算机设备，将其作为识别节点对现场作业监控视频进行识别比对分析，从而达到充分利用配电通信网络闲置计算资源的技术效果。

作为本实施例的一种可选实施方式，步骤s4235中，所述在筛选后的计算机设备中建立识别节点，具体包括：获取筛选后的计算机设备的配置信息，根据配置信息向相应的计算机设备部署不同的识别分析模块，不同的识别分析模块预设不同的图像识别算法。不同的图像识别算法对于计算机设备的配置有不同要求，本实施例提供的配网作业视频智能监控方法通过根据计算机设备自身的配置情况，为其配置能够最大化处理效率的识别分析模块，从而充分利用计算机设备的计算资源，提高识别效率。

基于与前述方法实施例相同的发明构思，本发明另一实施例提供一种配网作业视频智能监控系统，参照图2，所述系统包括：

获取模块，用于获取生产信息管理系统中次日的生产任务信息，所述生产任务信息包括任务名称、工作负责人信息和工作票；

工作票识别模块，用于对工作票进行识别，获取安全工器具需求信息、作业任务内容、安全措施信息；

第一识别模块，用于根据安全工器具需求信息对工作负责人所领用物资进行识别比对分析；

第二识别模块，用于根据作业任务内容获取相应的现场作业监控视频数据，对监控视频数据进行识别比对分析，基于作业任务内容和安全措施信息识别现场作业安全措施是否到位。

作为本实施例的一种可选实施方式，所述第一识别模块具体包括：

人脸识别子模块，用于对待领用安全工器具的工作负责人进行人脸识别，基于人脸识别结果匹配对应的工作负责人信息；

获取子模块，用于根据工作负责人信息获取生产任务信息，并获取与生产任务信息关联的工作票，基于工作票获取对应的安全工器具需求信息；

对比子模块，用于对比工作负责人实际领用的安全工器具信息和安全工器具需求信息，若不匹配则向工作负责人发出提示信息。

作为本实施例的一种可选实施方式，所述第二识别模块具体包括：

查询子模块，用于获取作业任务内容中的作业任务地点信息，查询部署于作业任务地点的视频监控设备；

关联子模块，用于建立与查询到的视频监控设备的通讯连接，并获取现场作业监控视频数据，建立现场作业监控视频数据与生产任务信息的关联关系。

作为本实施例的一种可选实施方式，所述第二识别模块具体还包括：

检测目标确定子模块，用于根据安全措施信息所包含的防护用品信息确定检测目标；

检测目标识别子模块，用于基于预设图像识别算法对监控视频数据的每帧图像进行识别，判断图像中是否包含检测目标，若未包含全部检测目标，则向相应的工作负责人发出提示信息；

接地线检查子模块，用于基于预设图像识别算法对监控视频数据的每帧图像进行识别，结合作业任务内容对接地线安装进行检查。

作为本实施例进一步可选的一种实施方式，所述接地线检查子模块具体包括：

位置信息获取子模块，用于根据作业任务内容获取接地线安装位置信息；

辅助信息获取子模块，用于获取线路信息和杆塔信息作为辅助信息；

判断子模块，用于基于接地线安装位置信息和辅助信息对图像中的接地线进行识别，判断接地线安装位置和顺序是否正确。

作为本实施例进一步可选的一种实施方式，所述第二识别模块具体还包括：

标记子模块，用于根据生产任务信息对相关联的现场作业监控视频数据添加识别任务标记；

第一上链子模块，用于将现场作业监控视频数据和生产任务信息添加到区块中并上链；

第二上链子模块，用于识别节点下载区块链并根据识别任务标记解析特定区块，获取现场作业监控视频数据和生产任务信息，对监控视频数据进行识别比对分析，将识别结果和被解析区块信息写入新区块并上链。

作为本实施例进一步可选的一种实施方式，所述第二识别模块具体还包括：

镜像数据获取子模块，用于获取包含负载状态信息的配电通信网络历史镜像数据，所述负载状态信息为历史时刻下配电通信网络中所有计算机设备的负载状态；

分析子模块，用于基于配电通信网络历史镜像数据，分析配电通信网络中的每台计算机设备的负载影响因素；

训练子模块，用于建立深度学习模型，将配电通信网络历史镜像数据作为训练样本对深度学习模型进行训练，获得负载状态预测训练结果，根据负载状态信息和负载状态预测训练结果对深度学习模型进行优化；

预测子模块，用于获取实时配电通信网络镜像数据并输入深度学习模型，获得配电通信网络中每台计算机设备在预设时间区间内的负载状态预测信息；

筛选子模块，用于根据负载状态预测信息对计算机设备进行筛选，在筛选后的计算机设备中建立识别节点；

部署子模块，用于获取筛选后的计算机设备的配置信息，根据配置信息向相应的计算机设备部署不同的识别分析模块，不同的识别分析模块预设不同的图像识别算法。

上述系统实施例与前述方法实施例基于同样的发明构思，其工作原理和有益效果可以参照前述方法实施例，在此不再赘述。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。